نظراً لمشاكل أجهزة استشعار المسافة المكلفة، وانخفاض دقة كشف المناطق المعقدة، وبطء سرعة الكشف في تقنيات كشف الأهداف والمسافة التقليدية، يقترح هذا البحث تقنية قياس مسافة السيارة الأمامية والتعرف على الأهداف القائمة على GGW-YOLOv8. تم تعديل خوارزمية YOLOv8n من خلال إدخال آلية الانتباه العالمية (GAM) قبل رؤوس الكشف للأهداف المتوسطة والكبيرة، مما يعزز قدرة النموذج على استخراج ميزات أهداف السيارات من خلال تقليل فقدان المعلومات وتوسيع التفاعل العالمي؛ إضافةً إلى إدخال وحدة التفاف خفيف الوزن GSConv في شبكة العنق، والتي تقلل من عدد المعلمات وحجم الحسابات باستخدام الالتفاف القابل للفصل عميقاً وعمليات الخلط؛ كما تم استبدال دالة خسارة CIoU الأصلية بدالة WIoU_v3 لتعزيز قدرة التعميم ودقة الرجوع لإطارات حدود الشبكة عبر استراتيجية توزيع مكاسب التدرج الديناميكية غير الأحادية التركيز؛ تم بناء نظام قياس المسافة بالرؤية الثنائية العينين المعتمد على خوارزمية المطابقة شبه العالمية SGBM لقياس مسافات السيارات، وتطوير نظام كمبيوتر مركزي يدمج كشف الأهداف وقياس المسافة، ونقله ونشره على أجهزة الحافة المدمجة لإجراء الاختبارات على المركبات الحية. أظهرت النتائج التجريبية أنه مقارنة بنموذج YOLOv8n، تم تقليل عدد معلمات النموذج المحسن بمقدار 0.3 مليون، وانخفض حجم الحسابات بمقدار 0.2 جيجا، وزادت دقة الكشف بنسبة 0.8٪ و4.4٪ على مجموعتي البيانات المخصصة والعامة على التوالي؛ في الطرق المغلقة داخل الحرم الجامعي، كان متوسط الخطأ المطلق لنتائج القياس 104 ملم، ومتوسط الخطأ النسبي 1.49٪؛ وفي بيئة الطرق الحقيقية، كان متوسط الخطأ المطلق 307.4 ملم، ومتوسط الخطأ النسبي 3.29٪، ومتوسط وقت التنفيذ لكل إطار 30.12 مللي ثانية، مما يلبي متطلبات سيناريوهات القياس العملية.

كشف أهداف المركبات;YOLOv8;القياس الثنائي;النشر على الأجهزة المدمجة